Pilvien ja varjojen havaitseminen maataloudessa

Pilvien ja varjojen havaitseminen on yksi tärkeimmistä tehtävistä analyyttisissä kaukokartoitusratkaisuissa.

Jos koko satelliittikuva on puhdas, on silti 10%-todennäköisyys sille, että peltosi on pilvien/varjojen peitossa. Myös päinvastoin pätee – monet järjestelmät eivät käsittele kuvia, joissa on 70%-tason yläpuolella olevia pilviä – vaikka jäljelle jäävä 30%-alue voi auttaa agronomia tai maanviljelijää tekemään oikean päätöksen kauden aikana.

GeoPardilla ratkaisemme tämän ongelman useiden erittäin tarkasti toimivien koneoppimisalgoritmien avulla.

Määrittelemme pilvimaskin ja varjosmaskin koko kuvan tasolla, ja kunkin kenttä-kuva-parin kohdalla tarkastelemme, kuinka monta prosenttia kentästä on pilvien tai pilvien varjojen peitossa.

Automaattisessa analytiikassa otamme tietyltä kentältä vain täysin pilvettömiä kuvia, mikä antaa käyttäjälle mahdollisuuden tehdä päätöksiä luottavaisin mielin usean vuoden analytiikan perusteella.

GeoPard-käyttäjällä on mahdollisuus tarkastella ja jopa suorittaa analytiikkaa itse, jopa osittain pilvisistä kuvista.

Tämä voi olla edelleen erittäin hyödyllistä esimerkiksi kauden aikana, kun kasvinsuojeluaineita ruiskutetaan muuttuvalla määrällä uusimman satelliittikuvan perusteella, jossa 10% pellon pinta-alasta on pilvien alla. Tämä tarkoittaa, että 90% pellon pinta-alasta päätös perustuu varmennettuun dataan.

Liittyvät:  Riisin viljelykuvion ja kulttuurityypin kartoitus kaukokartoituksen avulla

GeoPardin käyttäjät voivat myös helposti tarkistaa lähdekuvia alueellisella tasolla lähi-infrapunanäkymässä, mikä auttaa erottamaan selkeän maan pilvistä ja varjoista (katso liitteenä oleva kuva).

Käyttöliittymässä pilvisuodatin sijaitsee "Satelliittivalvonta"-moduulin ylävalikossa, katso liitteenä olevat kuvakaappaukset.

Muista, että digitaalisen maatalouden yrityksillä voi edelleen olla vaikeuksia pilvien ja varjojen oikean havaitsemisen kanssa. Liitteenä olevassa kuvakaappauksessa yksi tällainen yritys luo VR-lannoitekartan pilvien ja varjojen datan perusteella. Väärä kartta johtaa siis vääriin agronomisiin päätöksiin ja lopulta vääriin tuloksiin.

GeoPard havaitsee pilvet ja varjot erittäin tarkasti eikä tee muuttuvaa ruiskutusnopeutta koskevia päätöksiä pilvien perusteella. Voit aina tarkastella lähdekuvia eri näkymissä ja indekseissä ja zoomata ulos nähdäksesi ympäröivän kuvan.

Kaikki ratkaisut eivät ole samanlaisia, valitse markkinoiden parhaat vaihtoehdot!

Mitä on pilvien havaitseminen täsmäviljelyssä?

Pilvien havaitseminen täsmäviljelyssä viittaa prosessiin, jossa tunnistetaan ja seurataan maatalousalueiden pilvipeitteitä kaukokartoitustekniikoiden avulla. Pilvet voivat vaikuttaa merkittävästi maatalouskäytäntöihin ja satojen tuottavuuteen, minkä vuoksi niiden havaitseminen ja analysointi ovat ratkaisevan tärkeitä tehokkaan tilanhoidon kannalta.

Se sisältää erilaisten anturien, kuten satelliittien, dronejen tai maanpäällisten instrumenttien, käytön maatalousalueiden kuvien tallentamiseen. Nämä anturit tallentavat dataa näkyvän valon ja infrapunavalon muodossa, jota voidaan analysoida pilvien läsnäolon ja ominaisuuksien määrittämiseksi.

Sen ensisijainen tarkoitus täsmäviljelyssä on arvioida pilvien alueellista ja ajallista jakautumista maatalousalueilla.

Nämä tiedot auttavat maanviljelijöitä ja agronomeja tekemään tietoon perustuvia päätöksiä kastelusta, lannoituksesta, tuholaistorjunnasta ja muista viljelykäytännöistä. Ymmärtämällä pilvipeitteen kuvioita maanviljelijät voivat optimoida resurssien kohdentamisen ja minimoida satovaurioiden tai sadon vähenemisen riskin.

Pilvien tunnistusalgoritmit analysoivat tallennettuja kuvia erottaakseen pilvipikselit muista pikseleistä.

Nämä algoritmit hyödyntävät erilaisia tekniikoita, kuten kynnysarvoja, spektrianalyysiä ja koneoppimista, pilvimuodostelmien tarkkaan tunnistamiseen ja luokitteluun.

Algoritmien tuotoksiin kuuluvat tyypillisesti pilvipeittoprosentti, pilvityypin luokittelu ja pilvien liikemallit.

Kun pilvet on havaittu ja niiden ominaisuudet määritetty, viljelijät voivat hyödyntää näitä tietoja täsmäviljelytekniikoiden toteuttamiseen.

Esimerkiksi jos pellolla havaitaan tietyllä alueella pilvi, viljelijät voivat lykätä kastelua tai torjunta-aineiden levitystä kyseisellä alueella, kunnes pilvi on ohi. Synkronoimalla maataloustoimintaa pilvien liikkeiden kanssa viljelijät voivat optimoida resurssien käytön ja minimoida tarpeettomat panokset.

Se on erityisen hyödyllistä alueilla, joilla on paljon pilvipeitettä tai joilla säämallit muuttuvat nopeasti. Pilvisyyspeitteen jatkuvan seurannan avulla viljelijät voivat mukauttaa viljelykäytäntöjään reaaliajassa ja tehdä muutoksia vallitsevien sääolosuhteiden perusteella.

Yhteenvetona voidaan todeta, että pilvien havaitseminen täsmäviljelyssä on ratkaisevan tärkeää viljelykäytäntöjen ja resurssien hallinnan optimoinnissa. Tunnistamalla ja seuraamalla pilvipeitettä tarkasti viljelijät voivat tehdä tietoon perustuvia päätöksiä parantaakseen sadon tuottavuutta, vähentääkseen panoshävikkiä ja lieventääkseen muuttuviin sääolosuhteisiin liittyviä riskejä.